CN106250859B - 基于特征矢量运动杂乱度的视频火焰检测方法 - Google Patents

Abstract

本发明公开了一种基于特征矢量运动杂乱度的视频火焰检测方法。本发明首先读入相邻的2帧视频图像，计算相邻帧间运动特征矢量。其次，对当前帧图像进行分块并计算每块中特征矢量的长度，将满足条件的特征矢量标记并保留。再次，计算图像块中特征矢量方向的方差，若方差大于门限值则判定为疑似火焰块。将疑似火焰块中每一个特征点都进行扩展后累加在一幅空的灰度图像中，累积N帧后进行阈值二值化，若二值图像中白色部分构成连通区域且在整幅图像中所占比大于阈值，则判定为火焰区域并显示该区域轮廓线。本发明利用了火焰跳动具有杂乱性的物理特点，能更好地避免规则运动物体的干扰，故检测的效果也更为理想。

Description

基于特征矢量运动杂乱度的视频火焰检测方法

技术领域

本发明属于户外视频监控安全技术领域，具体涉及一种基于特征矢量运动杂乱度的视频火焰检测方法。

背景技术

在传统基于视频的火焰检测技术中，通常对前后帧差分提取前景动态目标并以此为基础经过后续处理提取火焰区域。现有的火焰检测技术，多是通过帧间差分或卡尔曼滤波提取运动目标后对几何特征、频率特征进行分析来判别火焰，或是建立火焰像素点直方图的统计模型，分析其特性实现火焰区域的检测。上述方法抗干扰性能较差，由于实际应用中存在大量无关类火焰运动物体，因此误检率常常大于预期。为此，近年有将机器学习的方法引入到视频火焰的检测，该方法首先提取运动目标经几何特征分析后作为疑似火焰区域，然后利用支持向量机或BP神经网络等分类算法识别疑似区域是否为火焰。虽然，该方法对视频运动目标的检测中已获得一定的成果，但需要通过训练大量样本来实现，而训练样本在实际中较为缺乏，并且样本的选取直接影响了火焰检测的效果，导致该方法没有广泛的适用性。

发明内容

本发明中提出了基于特征矢量运动杂乱度的视频火焰检测方法，该方法利用了火焰跳动具有的杂乱性的特点，即火焰区域内运动特征矢量方向方差明显偏大。将满足杂乱性条件的运动区域提取出来，同时将多帧图像的判决区域进行累积，改善了检测的鲁棒性，实现了基于运动特征的视频火焰检测。该方法的具体思路：首先，读入相邻的2帧视频图像，计算Harris角点与L-K光流金字塔并由此得到相邻帧间运动特征矢量。其次，对当前帧图像进行分块，计算每个图像块中特征矢量的长度，并将满足条件(长度大于阈值Th₁小于Th₂)的特征矢量标记并保留。再次，计算图像块中满足上述条件特征矢量方向的方差，并将每一个块中的方向方差与门限值Th₃比较，若大于门限值则判定为疑似火焰块，反之即判为非火焰区域。接下来，将疑似火焰块中每一个特征点都扩展为一个5x5的区域并累加在一幅空的灰度图像中，当累积一定帧数后由阈值Th₄将灰度图像进行二值化，若二值图像中白色部分构成连通区域且在整幅图像中所占比大于阈值Th₅，则判定为火焰区域并显示该区域轮廓线。最后，检测到的图像如果是最后一帧，则结束检测，反之跳回步骤一进行下一帧图像的检测处理，直至所有的视频图像均被检测完为止。

为方便描述发明内容，首先做以下术语定义：

定义1：Harris角点

Harris角点是用来获得图像特征的一种方法。当一个小窗口在图像上移动，处于图像中的平滑区域时，窗口在各个方向上没有变化；处于图像中某个图形边缘上时，窗口在沿边缘的方向上没有变化；处于图像中某个图形角点处时，窗口在各个方向上具有变化。Harris角点正是利用了这个直观的物理现象，通过窗口在各个方向上的变化程度，决定当前位置是否为角点。

假设像素点用I(x,y)表示，窗口用w(x,y)表示，将图像窗口平移[u,v]产生灰度变化E(u,v)表示如下：

由：I(x+u,y+v)＝I(x,y)+I_xu+I_yv+O(u²,v²)，可得：

对于局部微小的移动量[u,v]，可近似表达为：

其中M是2*2矩阵，可由图像的导数求得：

定义角点响应函数R为：

R＝det(M)-k*(trace(M)²)

上式中R取决于M的特征值，对于角点的|R|很大，平坦区域的|R|很小，边缘的|R|为负值，Harris角点就是对角点响应函数R进行阈值处理：R>threshold，满足条件时标记为角点并记录位置。

定义2：L-K光流金字塔

L-K光流金字塔算法评估了两幅图像的之间的变形，它的基本假设是体素和图像像素守恒，它假设一个物体的颜色在前后两帧没有巨大而明显

的变化，依据相邻两帧计算出前一帧中感兴趣的点在下一帧中点位置，即计算出相邻两帧间感兴趣点的运动矢量。矢量表示为：

上式中I_x和I_y分别从输入图像中计算梯度得到，本发明中使用的梯度算子为：

I_t是两帧图像中相同位置像素的差异,i是邻域的尺寸大小。

本发明提出了基于特征矢量运动杂乱度的视频火焰检测方法，该方法的创新点在于利用火焰具有的物理运动特性进行检测，与其它火焰检测方法相比较，不仅改善了鲁棒性，而且避免了使用大量样本数据，更易于实现和应用。其具体步骤如下：

步骤一：读入相邻的2帧视频图像，计算Harris角点与L-K光流金字塔，并由此得到相邻帧间运动特征矢量。

假设当前帧计算得到的第i个Harris角点坐标为p(x_i,y_i),则该坐标p(x_i,y_i)在下一帧中对应点是坐标为p_next(x′_i,y′_i)，通过这两点能够确定一个矢量，称为运动特征矢量，并将p(x_i,y_i)视为矢量的起点，p_next(x′_i,y′_i)视为矢量的终点。

步骤二：对当前帧图像进行分块，并计算运动特征矢量的长度，并将满足条件(长度大于阈值Th₁小于Th₂)的运动特征矢量进行标记并保留，运动特征矢量所属的图像块由起点p(x_i,y_i)的位置决定。

运动特征矢量长度如下：

步骤三：计算每一个图像块中，标记并保留下来的所有运动特征矢量的方向方差，并将每一个图像块中的方向方差与门限值Th₃比较，若大于门限值则判定为疑似火焰块，反之即判为非火焰区域，具体如下：

假设每帧图像共分为L块，则第l块(1≤l≤L)中包含满足条件的运动特征矢量共计K个，表示为：

为了便于计算，每个运动特征矢量的方向可归一化表示为运动特征矢量与x轴正方向的夹角，运动特征矢量的方向A_k表示为：

所述的(x_k,y_k)指代第l块中第k个运动特征矢量的起点；(x′_k,y′_k)指代第l块中第k个运动特征矢量的终点。

则第l块中运动特征矢量的方向均值E_l可表示为：

第l块中运动特征矢量的方向方差D_l表示为：

由方向方差D_l与门限值Th₃比较，若D_l大于门限值则判定l为疑似火焰块，反之即判l为非火焰区域。

步骤四：将疑似火焰块中每一个特征点(即运动特征矢量的起点)都扩展为一个5×5的区域，并累加在一幅空的灰度图像中，当累积N帧后，通过阈值Th₄将灰度图像进行二值化，若二值后的图像中白色部分构成连通区域且在整幅图像中所占比大于阈值Th₅，则判定为火焰区域并显示该区域轮廓线。

步骤五：判定检测到的图像是否为最后一帧，如果是则结束检测，反之跳回步骤一进行下一帧图像的检测处理，直至所有的图像均被检测完为止。

本发明的优点在于：

针对现有火焰检测方法中，需要依赖运动目标提取与统计模型或是借助大量火焰样本训练分类器来判定火焰区域，而实际应用中存在大量干扰并且样本缺乏、不具有广泛性，使得检测的效果不太理想，故提出了基于特征矢量运动杂乱度的视频火焰检测方法。利用了火焰跳动具有杂乱性的物理特点，实现了依据火焰运动特征进行检测的技术，此时判决结果主要由局部运动的杂乱度决定，因此能更好的避免非火焰运动物体的干扰，故检测的效果也更为理想。

附图说明

图1为本发明的流程图。

具体实施方式

本发明的实施流程图如图1所示，具体实施步骤如下：

步骤一：读入相邻的2帧视频图像，计算Harris角点与L-K光流金字塔，并由此得到相邻帧间运动特征矢量。

假设当前帧计算得到的第i个Harris角点坐标为p(x_i,y_i),则该坐标p(x_i,y_i)在下一帧中对应点是坐标为p_next(x′_i,y′_i)，通过这两点能够确定一个矢量，称为运动特征矢量，并将p(x_i,y_i)视为矢量的起点，p_next(x′_i,y′_i)视为矢量的终点。

步骤二：对当前帧图像进行分块，并计算运动特征矢量的长度，并将满足条件(长度大于阈值Th₁小于Th₂)的运动特征矢量进行标记并保留，运动特征矢量所属的图像块由起点p(x_i,y_i)的位置决定。

运动特征矢量长度如下：

步骤三：计算每一个图像块中，标记并保留下来的所有运动特征矢量的方向方差，并将每一个图像块中的方向方差与门限值Th₃比较，若大于门限值则判定为疑似火焰块，反之即判为非火焰区域，具体如下：

假设每帧图像共分为L块，则第l块(1≤l≤L)中包含满足条件的运动特征矢量共计K个，表示为：

为了便于计算，每个运动特征矢量的方向可归一化表示为运动特征矢量与x轴正方向的夹角，运动特征矢量的方向A_k表示为：

所述的(x_k,y_k)指代第l块中第k个运动特征矢量的起点；(x′_k,y′_k)指代第l块中第k个运动特征矢量的终点。

则第l块中运动特征矢量的方向均值E_l可表示为：

第l块中运动特征矢量的方向方差D_l表示为：

由方向方差D_l与门限值Th₃比较，若D_l大于门限值则判定l为疑似火焰块，反之即判l为非火焰区域。

步骤四：将疑似火焰块中每一个特征点(即运动特征矢量的起点)都扩展为一个5×5的区域，并累加在一幅空的灰度图像中，当累积N帧后，通过阈值Th₄将灰度图像进行二值化，若二值后的图像中白色部分构成连通区域且在整幅图像中所占比大于阈值Th₅，则判定为火焰区域并显示该区域轮廓线。

步骤五：判定检测到的图像是否为最后一帧，如果是则结束检测，反之跳回步骤一进行下一帧图像的检测处理，直至所有的图像均被检测完为止。

所述的阈值Th₁、Th₂、Th₃、Th₄、Th₅的取值随不同的应用场景而不同，具体解释如下：

Th₁为运动特征矢量长度的最小值，一般取Th₁＝1，表示当前帧的某一个Harris特征点相对于上一帧至少移动了一个像素的距离；

Th₂为运动特征矢量长度的最大值，其取值与视频分辨率与拍摄距离相关。分辨率越高，取值越大，反之取值越小，取值范围为3≤Th₂≤25。例如在拍摄距离较近的小空间，可取Th₂＝15；在拍摄距离较远的大空间，可取Th₂＝6；

Th₃为方向方差的门限值，取值范围为1000≤Th₃≤10000，Th₃的值越大，系统抗无关运动物体干扰的能力越强，但对微弱小火焰的检测能力稍有降低，一般在实际应用中考虑上述上两个因素折中取值；

Th₄为二值化图像的阈值，取值为Th₄＝80；

Th₅为火焰在整幅图像中的所占比的最低值，与应用场景相关；例如需要检测室外大火焰时取值较大，检测室内小火焰时取值较小。

Claims (1)

1.基于特征矢量运动杂乱度的视频火焰检测方法，其特征在于该方法的具体步骤是：

步骤一：读入相邻的2帧视频图像，计算Harris角点与L-K光流金字塔，并由此得到相邻帧间运动特征矢量；

假设当前帧计算得到的第i个Harris角点坐标为p(x_i,y_i),则该坐标p(x_i,y_i)在下一帧中对应点是坐标为p_next(x′_i,y′_i)，通过这两点能够确定一个矢量，称为运动特征矢量，并将p(x_i,y_i)视为矢量的起点，p_next(x′_i,y′_i)视为矢量的终点；

步骤二：对当前帧图像进行分块，并计算运动特征矢量的长度，将满足条件Ⅰ的运动特征矢量进行标记并保留，运动特征矢量所属的图像块由起点p(x_i,y_i)的位置决定；

所述的条件Ⅰ是指运动特征矢量长度大于阈值Th₁并且同时小于Th₂；

所述的运动特征矢量长度如下：

步骤三：计算每一个图像块中，标记并保留下来的所有运动特征矢量的方向方差，并将每一个图像块中的方向方差与门限值Th₃比较，若大于门限值则判定为疑似火焰块，反之即判为非火焰区域，具体如下：

假设每帧图像共分为L块，则第l块(1≤l≤L)中包含满足条件的运动特征矢量共计K个，表示为：

将每个运动特征矢量的方向归一化表示为运动特征矢量与x轴正方向的夹角，运动特征矢量的方向A_k表示为：

所述的(x_k,y_k)指代第l块中第k个运动特征矢量的起点；

(x′_k,y′_k)指代第l块中第k个运动特征矢量的终点；

则第l块中运动特征矢量的方向均值E_l可表示为：

第l块中运动特征矢量的方向方差D_l表示为：

由方向方差D_l与门限值Th₃比较，若D_l大于门限值则判定l为疑似火焰块，反之即判l为非火焰区域；

步骤四：将疑似火焰块中每一个运动特征矢量的起点都扩展为一个5×5的区域，并累加在一幅空的灰度图像中，当累积N帧后，通过阈值Th₄将灰度图像进行二值化，其中N为自然数；若二值后的图像中白色部分构成连通区域且在整幅图像中所占比大于阈值Th₅，则判定为火焰区域并显示该区域轮廓线；

步骤五：判定检测到的图像是否为最后一帧，如果是则结束检测，反之跳回步骤一进行下一帧图像的检测处理，直至所有的图像均被检测完为止。